加入收藏
| 文字：[ 大 中 小 ]
報告簡介
報告目錄
2022-2025年我國數(shù)據(jù)庫產(chǎn)業(yè)調(diào)研與投資趨勢展望預(yù)測報告
正文目錄
1、數(shù)據(jù)庫產(chǎn)業(yè)狀況 11
1.1、數(shù)據(jù)庫概念及結(jié)構(gòu) 11
1.2、數(shù)據(jù)庫發(fā)展歷程 17
1.3、全球數(shù)據(jù)庫產(chǎn)業(yè)狀況 29
1.3.1、數(shù)據(jù)庫產(chǎn)業(yè)規(guī)模 29
1.3.2、數(shù)據(jù)庫產(chǎn)業(yè)競爭 32
1.3.3、全球數(shù)據(jù)庫市場格局 35
1.3.4、主要公司 42
（1）、Oracle公司 42
（2）、SQL Server 57
（3）、My SQL 58
（4）、IBM DB2 58
（5）、Postgre SQL 58
1.3.5、全球數(shù)據(jù)庫排行 60
（1）、2019年12 月全球數(shù)據(jù)庫排行 60
（2）、2020年2月全球數(shù)據(jù)庫排行 62
1.4、全球數(shù)據(jù)庫趨勢 64
1.4.1、開源數(shù)據(jù)庫占比持續(xù)提升，未來商業(yè)數(shù)據(jù)庫仍將并存 64
1.4.2、分布式數(shù)據(jù)庫需求旺盛，初創(chuàng)公司不斷增多 64
1.4.3、區(qū)塊鏈技術(shù)應(yīng)用加大，云數(shù)據(jù)庫興起 65
2、我國數(shù)據(jù)庫產(chǎn)業(yè)狀況 67
2.1、數(shù)據(jù)庫發(fā)展歷程 67
2.2、數(shù)據(jù)庫產(chǎn)業(yè)規(guī)模 68
2.3、國內(nèi)數(shù)據(jù)庫產(chǎn)業(yè)格局 69
2.4、我國數(shù)據(jù)庫產(chǎn)業(yè)態(tài)勢 74
2.5、我國數(shù)據(jù)庫產(chǎn)業(yè)環(huán)境 77
2.5.1、軟件產(chǎn)業(yè)發(fā)展?fàn)顩r 77
2.5.2、數(shù)字經(jīng)濟快速發(fā)展 78
2.5.3、自主可控重要性提升 79
2.5.4、產(chǎn)業(yè)政策支持 80
2.6、數(shù)據(jù)庫管理體制 81
2.7、國內(nèi)數(shù)據(jù)庫業(yè)發(fā)展特點 81
2.7.1、國產(chǎn)數(shù)據(jù)庫產(chǎn)品發(fā)展進入成熟階段 81
2.7.2、信息化深入發(fā)展帶動數(shù)據(jù)庫軟件市場快速增長 82
2.7.3、大型數(shù)據(jù)庫軟件在“大數(shù)據(jù)”的應(yīng)用快速發(fā)展 82
2.7.4、數(shù)據(jù)庫領(lǐng)域融合是大趨勢 83
2.8、新時代數(shù)據(jù)庫將發(fā)生重大變革 84
2.9、數(shù)據(jù)庫安全技術(shù)分析 86
2.10、國產(chǎn)數(shù)據(jù)庫主要問題 89
2.11、云數(shù)據(jù)庫發(fā)展態(tài)勢 89
2.11.1、騰訊云數(shù)據(jù)庫增速國內(nèi)第一 89
2.11.2、騰訊云數(shù)據(jù)庫運維進入智能時代 91
2.11.3、華為云數(shù)據(jù)庫 MySQL 金融版正式商用 93
2.11.4、阿里云POLARDB當(dāng)選世界互聯(lián)網(wǎng)領(lǐng)先科技成果 93
3、關(guān)系型云數(shù)據(jù)庫分析 95
3.1、關(guān)系型云數(shù)據(jù)庫技術(shù)概述 95
3.1.1、云計算發(fā)展帶動數(shù)據(jù)庫云化趨勢 95
3.1.2、云屬性造就關(guān)系型云數(shù)據(jù)庫特點 95
3.1.3、兩種技術(shù)模式和兩種部署模式 96
3.1.4、部分關(guān)系型云數(shù)據(jù)庫產(chǎn)品 97
3.2、 關(guān)系型云數(shù)據(jù)庫的選型建議 98
3.2.1、基本能力 98
3.2.2、兼容能力 99
3.2.3、高可用能力 100
3.2.4、云服務(wù)能力 100
3.2.5、安全性 101
3.2.6、監(jiān)控和優(yōu)化 102
3.2.7、服務(wù)支持 103
3.2.8、可擴展性 103
3.2.9、性能 104
3.3、應(yīng)用關(guān)系型云數(shù)據(jù)庫的準(zhǔn)備工作 104
3.3.1、制定彈性的開發(fā)策略 105
（1）、通過冗余實現(xiàn)高可用能力的保障 105
（2）、配合云資源特點的彈性業(yè)務(wù)設(shè)計模式 105
（3）、業(yè)務(wù)快速迭代下的靈活容量規(guī)劃方案 105
（4）、多形態(tài)數(shù)據(jù)庫并存 106
3.3.2、適應(yīng)云化架構(gòu)的運維模式 106
（1）、傳統(tǒng)數(shù)據(jù)庫運維職責(zé)的改變 106
（2）、傳統(tǒng)數(shù)據(jù)庫運維技術(shù)的改變 107
（3）、傳統(tǒng)數(shù)據(jù)庫運維預(yù)案的改變 107
3.3.3、適應(yīng)商業(yè)模式的改變 108
3.4、關(guān)系型云數(shù)據(jù)庫關(guān)鍵路徑 108
3.4.1、關(guān)系型云數(shù)據(jù)庫實施原則 108
（1）、滿足業(yè)務(wù)的可持續(xù)發(fā)展 108
（2）、透明開放原則 109
（3）、代價可控原則 109
（4）、上云過程可控原則 110
3.4.2、關(guān)系型數(shù)據(jù)庫上云評估要素 110
3.4.3、關(guān)系型云數(shù)據(jù)庫常見實施步驟 110
（1）、業(yè)務(wù)模擬 110
（2）、系統(tǒng)測試 111
（3）、數(shù)據(jù)備份 111
（4）、數(shù)據(jù)校驗 112
（5）、正式遷移 112
4、內(nèi)存數(shù)據(jù)庫分析 112
4.1、內(nèi)存數(shù)據(jù)庫介紹 112
4.1.1、內(nèi)存數(shù)據(jù)庫概述 112
4.1.2、內(nèi)存技術(shù)的成熟與突破 112
（1）、內(nèi)存技術(shù)的成熟 112
（2）、內(nèi)存技術(shù)的瓶頸與突破 113
4.1.3、內(nèi)存數(shù)據(jù)庫的發(fā)展歷程 114
（1）、雛形期（1970 年代） 115
（2）、理論成熟期（1980 年代） 115
（3）、市場成長期（1990 年代） 115
（4）、高速發(fā)展期（2010 年至今） 116
4.1.4、內(nèi)存數(shù)據(jù)庫的優(yōu)勢與挑戰(zhàn) 117
（1）、優(yōu)勢：高性能讀寫 117
（2）、挑戰(zhàn)：內(nèi)存數(shù)據(jù)易失 118
4.2、內(nèi)存數(shù)據(jù)庫的分類及應(yīng)用場景 118
4.2.1、內(nèi)存數(shù)據(jù)庫的分類 118
（1）、鍵值對內(nèi)存數(shù)據(jù)庫 118
（2）、關(guān)系型內(nèi)存數(shù)據(jù)庫 118
（3）、其他類型的內(nèi)存數(shù)據(jù)庫 119
4.2.2、內(nèi)存數(shù)據(jù)庫的使用場景 119
（1）、電商秒殺 119
（2）、視頻直播 123
（3）、實時排行 123
（4）、電信計費 124
4.3、內(nèi)存數(shù)據(jù)庫的選型建議 125
4.3.1、內(nèi)存數(shù)據(jù)庫產(chǎn)品現(xiàn)狀 125
4.3.2、內(nèi)存數(shù)據(jù)庫選型建議 125
（1）、技術(shù)因素 126
（2）、非技術(shù)因素 127
4.3.3、硬件選型建議 127
4.4、內(nèi)存數(shù)據(jù)庫技術(shù)演進趨勢 128
4.4.1、內(nèi)存數(shù)據(jù)庫和傳統(tǒng)數(shù)據(jù)庫混合使用將成為主要模式 128
4.4.2、軟硬件深度整合為內(nèi)存數(shù)據(jù)庫開辟新的技術(shù)方向 128
（1）、網(wǎng)絡(luò)子系統(tǒng) 129
（2）、存儲子系統(tǒng) 129
（3）、內(nèi)存子系統(tǒng) 130
（4）、處理器子系統(tǒng) 130
4.4.3、協(xié)議創(chuàng)新將進一步提升分布式內(nèi)存數(shù)據(jù)庫的一致性能力 131
4.4.4、與容器技術(shù)結(jié)合為內(nèi)存數(shù)據(jù)庫提供更強的彈性擴展能力 131
5、云數(shù)據(jù)庫調(diào)研 133
5.1、云數(shù)據(jù)庫應(yīng)用狀況調(diào)查 134
5.2、云數(shù)據(jù)庫產(chǎn)品選擇調(diào)查 134
5.3、云數(shù)據(jù)庫關(guān)鍵指標(biāo)調(diào)查 135
5.4、云數(shù)據(jù)庫應(yīng)用場景調(diào)查 135
5.5、云數(shù)據(jù)庫關(guān)注因素 136
5.6、用戶使用調(diào)查 136
5.7、云數(shù)據(jù)庫成本調(diào)查 137
5.8、云數(shù)據(jù)庫滿意度調(diào)查 138
5.9、云供應(yīng)商用戶滿意度調(diào)查 138
5.10、供應(yīng)商推薦度調(diào)查 139
6、華為數(shù)據(jù)庫分析 140
6.1、數(shù)據(jù)庫的演進 140
6.2、華為 DB開發(fā)歷程 141
6.3、華為 GaussDB分析 143
6.4、華為 GaussDB產(chǎn)品線 148
6.4.1、華為 GaussDB 200 149
（1）、GaussDB 200 簡介 149
（2）、GaussDB 200 應(yīng)用場景 153
（3）、GaussDB 200技術(shù)特點 155
6.4.2、華為GaussDB300 159
（1）、GaussDB 300簡介 159
（2）、GaussDB 300 應(yīng)用場景 160
（3）、GaussDB 300 技術(shù)特點 161
7、典型數(shù)據(jù)庫對比分析 162
7.1、Oracle 數(shù)據(jù)庫 162
7.1.1、Oracle DB 最新進展 163
7.1.2、Oracle數(shù)據(jù)庫的轉(zhuǎn)型 166
（1）、從單數(shù)據(jù)庫到分布式數(shù)據(jù)庫 166
（2）、從關(guān)系型到以 Web 為中心的數(shù)據(jù) 167
（3）、從碎片化數(shù)據(jù)庫到融合數(shù)據(jù)庫 167
7.2、AWS 數(shù)據(jù)庫 168
7.2.1、AWS 數(shù)據(jù)庫分類 168
（1）、AWS關(guān)系型數(shù)據(jù)庫：Aurora 168
（2）、鍵值數(shù)據(jù)庫：DynamoDB 169
（3）、文檔數(shù)據(jù)庫：DocumentDB 169
（4）、內(nèi)存數(shù)據(jù)庫 169
（5）、圖形數(shù)據(jù)庫 169
（6）、時間序列數(shù)據(jù)庫 170
（7）、分類賬數(shù)據(jù)庫 170
7.2.2、Amazon Aurora 詳細(xì)分析 170
7.3、主要數(shù)據(jù)庫產(chǎn)品對比 172
7.3.1、產(chǎn)品矩陣對比 173
7.3.2、應(yīng)用場景對比 173
7.3.3、客戶屬性對比 174
7.3.4、數(shù)據(jù)庫支持的架構(gòu) 174
8、國內(nèi)廠商分析 175
8.1、南大通用 175
8.2、武漢達夢 180
7.3、山東翰高 180
8.4、神舟通用 186
8.5、柏睿數(shù)據(jù) 187
8.6、華為云數(shù)據(jù)庫 189
9、2020-2025年產(chǎn)業(yè)前景展望 190
9.1、數(shù)據(jù)庫產(chǎn)業(yè)前景展望 190
9.2、關(guān)系型數(shù)據(jù)庫展望 193
9.3、內(nèi)存型數(shù)據(jù)庫展望 193
9.4、國內(nèi)數(shù)據(jù)庫行業(yè)發(fā)展機會與挑戰(zhàn) 194
9.5、軟件兼容性和生態(tài)環(huán)境是商業(yè)化成功的關(guān)鍵 197
9.6、數(shù)據(jù)庫規(guī)模預(yù)測 198
圖表目錄
圖表 1：文件保存數(shù)據(jù)的缺點 11
圖表 2：數(shù)據(jù)庫管理方式的演化 12
圖表 3：Oracle 數(shù)據(jù)庫體系結(jié)構(gòu)圖 13
圖表 4：用戶與數(shù)據(jù)庫數(shù)據(jù)的交互過程 14
圖表 5：數(shù)據(jù)庫的兩個存儲結(jié)構(gòu) 15
圖表 6：數(shù)據(jù)庫的架構(gòu) 16
圖表 7：數(shù)據(jù)庫的演進 18
圖表 8：數(shù)據(jù)庫的演進 18
圖表 9：數(shù)據(jù)庫管理系統(tǒng)（DBMS） 19
圖表 10：數(shù)據(jù)庫界的四位圖靈獎獲得者 19
圖表 11：歷屆圖靈獎獲得者 21
圖表 12：數(shù)據(jù)庫的演進 23
圖表 13：關(guān)系型數(shù)據(jù)庫 24
圖表 14：非關(guān)系型數(shù)據(jù)庫 25
圖表 15：關(guān)系數(shù)據(jù)庫與非關(guān)系數(shù)據(jù)庫 25
圖表 16：Neo4j非關(guān)系型數(shù)據(jù)庫的種類 26
圖表 17：關(guān)系型數(shù)據(jù)庫和非關(guān)系型數(shù)據(jù)庫的對比 26
圖表 18：OLTP 和 OLAP 的區(qū)別 27
圖表 19：OLTP 和 OLAP 的區(qū)別 28
圖表 20：2015-2025年全球數(shù)據(jù)庫產(chǎn)業(yè)規(guī)模及預(yù)測 29
圖表 21：數(shù)據(jù)庫份額 30
圖表 22：云計算公司數(shù)據(jù)庫布局 31
圖表 23:不同類型數(shù)據(jù)庫的特征 33
圖表 24：關(guān)系型數(shù)據(jù)庫&非關(guān)系型數(shù)據(jù)庫 34
圖表 25：全球市場的 RDBMS份額 35
圖表 26：數(shù)據(jù)庫排名 35
圖表 27：關(guān)系型數(shù)據(jù)庫排名 36
圖表 28：分布式數(shù)據(jù)庫排名 37
圖表 29：文件數(shù)據(jù)庫排名 37
圖表 30：Mongo DB 數(shù)據(jù)庫的商業(yè)模式 38
圖表 31：各數(shù)據(jù)庫產(chǎn)品的競爭關(guān)系及客戶流向示意圖 39
圖表 32：商業(yè)&開源數(shù)據(jù)庫數(shù)量 39
圖表 33：商業(yè)&開源數(shù)據(jù)得分情況 39
圖表 34：2013-2019年商業(yè)數(shù)據(jù)庫和開源數(shù)據(jù)庫：歷史受歡迎程度 40
圖表 35：商業(yè)和開源數(shù)據(jù)庫在不同數(shù)據(jù)庫模型中的占比 41
圖表 36：商業(yè)數(shù)據(jù)庫排名（2019 年 6 月） 41
圖表 37：開源數(shù)據(jù)庫排名（2019 年 6 月） 41
圖表 38:Oracle 的業(yè)務(wù)布局 42
圖表 39:2006-2018年Oracle 營業(yè)收入 43
圖表 40：2006-2018年Oracle 凈利潤 43
圖表 41：Oracle 收入構(gòu)成（2016） 44
圖表 42:Oracle 的數(shù)據(jù)庫產(chǎn)品 45
圖表 43:Oracle 數(shù)據(jù)庫發(fā)展歷程 46
圖表 44:Oracle 數(shù)據(jù)不同版本的演化 48
圖表 45:Oracle 數(shù)據(jù)庫推出的版本 48
圖表 46:支撐 C-S 架構(gòu)的數(shù)據(jù)庫 49
圖表 47:Oracle 數(shù)據(jù)庫的 RAC 技術(shù) 50
圖表 48:支撐網(wǎng)絡(luò)數(shù)據(jù)的數(shù)據(jù)庫 50
圖表 49:支撐云架構(gòu)的數(shù)據(jù)庫 51
圖表 50:中國數(shù)據(jù)庫市場份額（2015） 52
圖表 51:全球數(shù)據(jù)市場份額（2015） 53
圖表 52:Linux 數(shù)據(jù)庫市場份額 53
圖表 53:Unix 數(shù)據(jù)庫市場份額 54
圖表 54:Oracle 18c 的自治數(shù)據(jù)庫 54
圖表 55:Oracle 18c 多租戶的特點 55
圖表 56:Oracle 18c 的 In-Memory 架構(gòu) 56
圖表 57:Oracle 18c 的 In-Memory 架構(gòu) 57
圖表 58:幾種主流數(shù)據(jù)庫對比 59
圖表 59：2019年12 月全球數(shù)據(jù)庫排行 60
圖表 60：2019年12月前 10 名的趨勢圖 60
圖表 61：關(guān)系型 DBMS排名 61
圖表 62：K-V 存儲排名 61
圖表 63：文檔型存儲排名 61
圖表 64：圖 DBMS排名 62
圖表 65：時序 DBMS排名 62
圖表 66：2020年2月全球數(shù)據(jù)庫排行榜 63
圖表 67：2020年2月前 10 名的趨勢圖 63
圖表 68：數(shù)據(jù)庫技術(shù)的發(fā)展及其特征 65
圖表 69：云數(shù)據(jù)庫和自建數(shù)據(jù)庫特性對比 66
圖表 70：中國數(shù)據(jù)庫軟件發(fā)展歷程 67
圖表 71：2015-2019年我國數(shù)據(jù)庫產(chǎn)業(yè)規(guī)模 69
圖表 72：2017年我國數(shù)據(jù)庫市場份額 70
圖表 73：2019年全球數(shù)據(jù)庫魔力象限 71
圖表 74：數(shù)據(jù)庫總市場份額排名2011-2018 73
圖表 75：2017-2019年軟件及信息技術(shù)服務(wù)業(yè)收入同比增速（%） 77
圖表 76：2017-2019年軟件及信息技術(shù)服務(wù)業(yè)利潤同比增速（%） 77
圖表 77：2014-2018年中國數(shù)字經(jīng)濟規(guī)模及占GDP 比重 78
圖表 78：2018 年中國數(shù)字經(jīng)濟構(gòu)成（萬億元） 79
圖表 79：自主可控格局 79
圖表 80：數(shù)據(jù)庫安全技術(shù) 86
圖表 81：騰訊云原生數(shù)據(jù)庫CynosDB產(chǎn)品架構(gòu)圖 90
圖表 82：騰訊云數(shù)據(jù)庫產(chǎn)品用戶 90
圖表 83：華為云數(shù)據(jù)庫服務(wù)產(chǎn)品 93
圖表 84：典型云服務(wù)商產(chǎn)品列表 97
圖表 85：關(guān)系型云數(shù)據(jù)庫基本能力指標(biāo) 98
圖表 86：關(guān)系型云數(shù)據(jù)庫兼容能力指標(biāo) 99
圖表 87：關(guān)系型云數(shù)據(jù)庫高可用性指標(biāo) 100
圖表 88：關(guān)系型云數(shù)據(jù)庫云服務(wù)指標(biāo) 101
圖表 89：關(guān)系型云數(shù)據(jù)庫安全性指標(biāo) 102
圖表 90：關(guān)系型云數(shù)據(jù)庫監(jiān)控和優(yōu)化指標(biāo) 102
圖表 91：關(guān)系型云數(shù)據(jù)庫服務(wù)支持指標(biāo) 103
圖表 92：關(guān)系型云數(shù)據(jù)庫可擴展性指標(biāo) 104
圖表 93：數(shù)據(jù)庫上云后權(quán)責(zé)劃分 106
圖表 94：1970 年代至今的內(nèi)存價格和容量走勢 113
圖表 95：存儲的金字塔模型 114
圖表 96：內(nèi)存數(shù)據(jù)庫的發(fā)展歷程 114
圖表 97：1990 年代涌現(xiàn)的商用內(nèi)存數(shù)據(jù)庫 116
圖表 98：2009-2018年阿里巴巴雙11成交規(guī)模 119
圖表 99：阿里巴巴數(shù)據(jù)庫技術(shù) 120
圖表 100：用戶信息使用的數(shù)據(jù)結(jié)構(gòu) 123
圖表 101：10 款典型內(nèi)存數(shù)據(jù)庫對比 125
圖表 102：內(nèi)存數(shù)據(jù)庫選型建議 126
圖表 103：2019年我國云數(shù)據(jù)庫應(yīng)用調(diào)查 134
圖表 104：云數(shù)據(jù)庫選擇產(chǎn)品調(diào)查 134
圖表 105：穩(wěn)定性、安全性是最重要的兩個指標(biāo) 135
圖表 106：2019年云數(shù)據(jù)庫應(yīng)用場景調(diào)查 136
圖表 107：2019年云數(shù)據(jù)庫用戶關(guān)注因素 136
圖表 108：2019年云數(shù)據(jù)庫使用調(diào)查 137
圖表 109：云數(shù)據(jù)庫成本調(diào)查 137
圖表 110：2019年云數(shù)據(jù)庫滿意度調(diào)查 138
圖表 111：云供應(yīng)商用戶滿意度：阿里云和華為云并列第一 138
圖表 112：用戶推薦度：甲骨文第一，本土供應(yīng)商華為云第一 139
圖表 113：功能受限是中國企業(yè)使用云數(shù)據(jù)庫服務(wù)中最突出的問題 140
圖表 114：數(shù)據(jù)庫的演進 141
圖表 115：華為GaussDB對 AI技術(shù)的應(yīng)用 142
圖表 116：華為 GaussDB特點 143
圖表 117：華為 GaussDB產(chǎn)品線 145
圖表 118：OLTP&OLAP對比 146
圖表 119：華為 GaussDB OLTP&OLAP 特點 147
圖表 120：華為GaussDB HTAP 特點 148
圖表 121：數(shù)據(jù)庫：行式存儲 149
圖表 122：數(shù)據(jù)庫：列式存儲 150
圖表 123：數(shù)據(jù)庫：行式& 列式存儲對比 151
圖表 124：華為 GaussDB 200架構(gòu) 154
圖表 125：華為 GaussDB 200軟件構(gòu)成 156
圖表 126：華為 GaussDB特點 156
圖表 127：華為 GaussDB 200架構(gòu) 157
圖表 128：華為 GaussDB200數(shù)據(jù)查詢過程 158
圖表 129：華為 GaussDB 300集群架構(gòu) 161
圖表 130：Oracle 數(shù)據(jù)庫不斷演進 163
圖表 131：Oracle 數(shù)據(jù)庫18C 的升級 163
圖表 132：Oracle 數(shù)據(jù)庫 19C 的升級 164
圖表 133：Oracle 數(shù)據(jù)庫支持多種數(shù)據(jù)類型 165
圖表 134：Oracle 的分布式數(shù)據(jù)庫 166
圖表 135：Oracle 數(shù)據(jù)庫支持多種數(shù)據(jù)類型 167
圖表 136：Amazon Aurora 典型客戶 171
圖表 137：Amazon DynamoDB典型客戶 171
圖表 138：華為 GaussDB 200 典型客戶 173
圖表 139：GBase 8a產(chǎn)品架構(gòu)圖 177
圖表 140：2018分析型數(shù)據(jù)管理解決方案（DMSA）的魔力象限 178
圖表 141：HighGo DB產(chǎn)品 181
圖表 142：2017-2018年山東瀚高經(jīng)營指標(biāo) 182
圖表 143：神舟通用數(shù)據(jù)庫產(chǎn)品 186
圖表 144：全國布局 187
圖表 145：（柏睿數(shù)據(jù)數(shù)據(jù)庫內(nèi)深度學(xué)習(xí)/人工智能并行算法庫（ Rapids ParalleR）技術(shù)架構(gòu)圖 188
圖表 146：柏睿數(shù)據(jù)優(yōu)勢 188
圖表 147：國產(chǎn)化廠商產(chǎn)品布局 198
圖表 148：2020-2025年我國數(shù)據(jù)庫產(chǎn)業(yè)規(guī)模預(yù)測 198
|
